面向P2P网络借贷平台的大数据个人用户信用风险控制研究.pdf

面向P2P网络借贷平台的大数据个人用户信用风险控制研究.pdf

ID:50230725

大小:3.16 MB

页数:65页

时间:2020-03-13

面向P2P网络借贷平台的大数据个人用户信用风险控制研究.pdf_第1页
面向P2P网络借贷平台的大数据个人用户信用风险控制研究.pdf_第2页
面向P2P网络借贷平台的大数据个人用户信用风险控制研究.pdf_第3页
面向P2P网络借贷平台的大数据个人用户信用风险控制研究.pdf_第4页
面向P2P网络借贷平台的大数据个人用户信用风险控制研究.pdf_第5页
资源描述:

《面向P2P网络借贷平台的大数据个人用户信用风险控制研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、学校代码:10286分类号:F832密级:公开UDC:005学号:151917面向P2P网络借贷平台的大数据个人用户信用风险控制研究研究生姓名:汪洋导师姓名:吴清烈申请学位类别管理学硕士学位授予单位东南大学一级学科名称管理科学与工程论文答辩日期2018年6月7日二级学科名称学位授予日期2018年月日答辩委员会主席评阅人2018年6月日硕士学位论文面向P2P网络借贷平台的大数据个人用户信用风险控制研究专业名称:管理科学与工程研究生姓名:汪洋导师姓名:吴清烈RESEARCHONTHEINDIVIDUALCREDITRISKCONTROLBASEDO

2、NBIGDATAFORONLINEP2PLENDINGPLATFORMAThesisSubmittedtoSoutheastUniversityFortheAcademicDegreeofMasterofManagementBYWANGYangSupervisedbyProf.WUQing-lieSchoolofEconomics&ManagementSoutheastUniversityMay2018东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方

3、外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名:日期:东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆、《中国学术期刊(光盘版)》电子杂志社有限公司、万方数据电子出版社、北京万方数据股份有限公司有权保留本人所送交学位论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外,允许论文被查阅和借

4、阅,可以公布(包括以电子信息形式刊登)论文的全部内容或中、英文摘要等部分内容。论文的公布(包括以电子信息形式刊登)授权东南大学研究生院办理。研究生签名:导师签名:日期:摘要摘要大数据时代下,随着互联网金融行业的快速成长,网络金融服务渠道逐渐丰富,金融服务也逐渐多元化,P2P网贷平台运营面临的环境也越来越复杂。P2P网络借贷平台对个人用户行为模式的认识、金融风险安全的认识、经济发展新趋势的认识等等均需要重新确立。在此情况下,网贷平台面临的风险日趋复杂化,多样化,针对网络借贷平台的个人信用风险控制模型和体系亟待重构和优化。本文将针对P2P网贷平台为

5、应用对象,研究基于大数据技术的信用风险控制模型。本文首先分析讨论了大数据背景下P2P网贷平台发展现状与面临的主要挑战,并分别从传统风险控制的现状和方法两个维度去分析其所面临的困境。研究分析了互联网金融迅速发展带来的金融数据多样性问题,以及它对传统风控模型的冲击;并从信息不对称理论出发,对平台借贷匹配率问题给出了理论解释。对于现有的P2P信用风控模型,本文重点分析了讨论了其设计客观性问题和隐含信息发掘问题,从而引出本文针对以上问题的解决方法研究。对于第一类的现状问题,即数据多样性和信息不对称引发的分析困境,本文提出了一种基于大数据分析的P2P网贷

6、平台信用评估模型,在传统信用指标基础上,加入了对用户个性与品质的评估,即软信息,使得评估模型更加全面完善。本文利用数据挖掘方法整合更全面的用户信息,并通过随机森林算法计算筛选重要评价指标。基于此模型,本文计算验证了本文的风险评估模型的可行性和有效性。对于第二类问题,即传统分析模型面临的客观性和隐藏关联发现问题,本文在大数据研究基础上,进一步提出了一种基于深度学习技术的信用风险控制分析模型。本文基于卷积神经网络算法,以时间序列组织数据,构建出一套深度学习的信用评估模型。为了验证模型的性能,本文将训练优化后的模型与逻辑回归、决策树和随机森林模型进行

7、对比,以ROC曲线和AUC数值作为评价指标。结果表明深度学习模型具有更高准确度,这也意味着深度学习模型在分析复杂非线性且具有多特征对象时具有更明显的优势。关键词:大数据,P2P网贷平台,信用风险控制,深度学习,卷积神经网络IAbstractAbstractIntheeraofbigdata,withtherapidgrowthoftheInternetfinanceindustry,numerousonlinefinancialservicechannelshasoccuredandthefinancialserviceshavebecomei

8、ncreasinglydiverse.Asaresult,themanaagmentofP2Ponlinelendingplatformsfacesg

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。